使用igraph的R中的Louvain社区检测-边和顶点的格式

Question

我有一个分数的相关矩阵，我想在R中使用igraph中的Louvain方法对社区进行检测。我使用cor2dist将相关矩阵转换为距离矩阵，如下所示：

distancematrix <- cor2dist(correlationmatrix)

这给出了从0-2到400的距离矩阵。 然后，我使用http://kateto.net/networks-r-igraph中的以下方法（第3.1节）列出了边（距离）和顶点（每400个人）的列表。

library(igraph)
test <- as.matrix(distancematrix)
mode(test) <- "numeric"
test2 <- graph.adjacency(test, mode = "undirected", weighted = TRUE, diag = TRUE)
E(test2)$weight
get.edgelist(test2)

然后，我从中编写了“ from”和“ to”边缘列表的csv文件以及相应的权重：

edgeweights <-E(test2)$weight
write.csv(edgeweights, file = "edgeweights.csv")
fromtolist <- get.edgelist(test2)
write.csv(fromtolist, file = "fromtolist.csv")

从这两个文件中，我生成了一个名为“ nodes.csv”的.csv文件，该文件简单地包含了400个人的所有顶点ID：

id
1
2
3
4
...
400

还有一个名为“ edges.csv”的.csv文件，其中详细说明了每个节点之间的“从”和“到”，并提供了每个边缘的权重（即距离度量）：

from    to   weight
1       2    0.99
1       3    1.20
1       4    1.48
...
399     400  0.70

然后，我尝试使用此节点和边列表创建一个igraph对象，并以以下方式运行鲁汶群集：

nodes <- read.csv("nodes.csv", header = TRUE, as.is = TRUE)
edges <- read.csv("edges.csv", header = TRUE, as.is = TRUE)
clustergraph <- graph_from_data_frame(edges, directed = FALSE, vertices = nodes)
clusterlouvain <- cluster_louvain(clustergraph)

不幸的是，这不能正确地进行鲁瓦因社区检测。 我希望这能返回大约2-4个不同的社区，可以将其绘制成与此处相似的图形，但返回sizes(clusterlouvain) ：

Community sizes
 1 
 400

表示所有个人都被归入同一个社区。 集群也立即运行（即几乎没有计算时间），这也让我认为集群运行不正常。

我的问题是：有人可以建议为什么cluster_louvain方法不起作用并且只能识别一个社区吗？ 我认为我必须错误地指定距离矩阵或边/节点，或者以其他方式未给cluster_louvain方法提供正确的输入。 我对R还是比较陌生，因此非常感谢您提供任何建议。 我已经在相同的距离矩阵（即k均值）上成功使用了其他的社区检测方法，该方法确定了2-3个社区，但想了解我在这里做错了什么。

我知道还有很多关于在R中使用igraph的查询，但是我还没有找到一个明确指定边缘和节点（从相关矩阵中）的输入格式以使百叶窗式社区检测正常工作的查询。

感谢您的任何建议！ 如果有帮助，我可以提供更多信息。

Answer 1

我相信cluster_louvain确实可以对您的数据进行处理。 问题是您的图形。您的代码包含get.edgelist(test2) 。 那必须产生很多输出。 而是尝试一下

vcount(test2)
ecount(test2)

既然您说您的相关矩阵是400x400，所以我希望您会得到vcount给400和ecount给79800 = 400 * 399/2的方法。构造好之后， 每个节点都直接连接到所有其他节点 。 当然，只有一个大社区。

我怀疑您要执行的操作是相关的组变量。 如果相关性接近零，则变量应未连接。 似乎不太清楚的是如何处理相关性接近-1的变量。 是否要连接它们？ 无论哪种方式，我们都可以做到。

您没有提供任何数据，因此我将用mlbench软件包中的电离层数据进行mlbench 。 我将尽力模仿您的代码，但会更改一些变量名。 同样，出于我的目的，将边缘写入文件然后再次读回它们是没有意义的，因此我将直接使用构造的边缘。

首先，假设您要关联相关性接近-1的变量。

library(igraph)
library(mlbench)    # for Ionosphere data
library(psych)      # for cor2dist
data(Ionosphere)

correlationmatrix = cor(Ionosphere[, which(sapply(Ionosphere, class) == 'numeric')])
distancematrix <- cor2dist(correlationmatrix)

DM1 <- as.matrix(distancematrix)
## Zero out connections where there is low (absolute) correlation
## Keeps connection for cor ~ -1
## You may wish to choose a different threshhold
DM1[abs(correlationmatrix) < 0.33] = 0

G1 <- graph.adjacency(DM1, mode = "undirected", weighted = TRUE, diag = TRUE)
vcount(G1)
[1] 32
ecount(G1)
[1] 140

没有完全连接的图！ 现在让我们找到社区。

clusterlouvain <- cluster_louvain(G1)
plot(G1, vertex.color=rainbow(3, alpha=0.6)[clusterlouvain$membership])

相反，如果您不希望连接负相关的变量，则只需摆脱上面的绝对值即可。 这应该少连接

DM2 <- as.matrix(distancematrix)
## Zero out connections where there is low correlation
DM2[correlationmatrix < 0.33] = 0

G2 <- graph.adjacency(DM2, mode = "undirected", weighted = TRUE, diag = TRUE)
clusterlouvain <- cluster_louvain(G2)
plot(G2, vertex.color=rainbow(4, alpha=0.6)[clusterlouvain$membership])